基于铜死亡相关lncRNAs的胰腺癌预后模型构建与验证

目的研究铜死亡相关lncRNAs在胰腺癌(PAAD)患者中的预后预测价值,并进一步构建预后预测模型。方法从TCGA数据库中下载胰腺癌患者的转录组测序数据和相应临床信息,通过Pearson相关性分析筛选与预后相关的铜死亡相关lncRNAs,先后利用单因素Cox回归和Lasso回归分析并进一步构建预后模型。根据模型的风险评分中位数,将所有患者分为高风险组和低风险组。通过Kaplan-Meier生存分析、亚组分析、ROC曲线分析及一致性指数分析评估模型的预后预测价值,并利用单因素和多因素回归分析验证模型的独立性。对高、低风险组的差异表达基因进行GO及KEGG功能富集分析,并对高、低风险组患者进行肿瘤突变负荷(TMB)分析、免疫治疗反应预测以及药物敏感性分析。结果通过Pearson相关性分析,确定了127个铜死亡相关的lncRNAs,先后利用单因素Cox回归分析及Lasso回归分析构建了一个基于6个铜死亡相关lncRNAs的预后预测模型。根据模型计算结果将PAAD患者队列分成高风险组和低风险组,Kaplan-Meier生存分析表明低风险组患者的生存时间要长于高风险组(P<0.05)。ROC曲线证明了该模型对胰腺癌患者预后的预测性能良好:1、3、5年ROC曲线下面积分别为0.687、0.753、0.771;基因功能富集分析表明,高、低风险组差异表达基因主要富集于免疫相关通路。此外,高风险组患者的TMB值明显大于低风险组,而TIDE评分明显低于低风险组。最后,通过药物敏感性分析发现不同组的胰腺癌患者对特定药物的敏感性存在统计学差异,对临床用药具有一定的指导意义。结论本研究基于铜死亡相关lncRNAs成功构建了一个PAAD患者预后模型,可精准预测PAAD患者的预后,并为患者的临床药物治疗选择提供个性化指导。

基于TCGA数据库的宫颈癌免疫基因预后模型构建及预后标志物鉴定

目的:构建基于免疫相关基因的宫颈癌预后模型,寻找宫颈癌预后相关的分子标志物。方法:利用TCGA数据库中宫颈癌的转录组信息及临床数据,运用生物信息学方法分析在宫颈癌中差异表达的免疫相关基因,筛选出与患者生存相关的免疫基因,KEGG进行富集分析。逐步回归分析构建可作为预后评估的风险评分模型并评价其预测能力。通过Cox回归进行独立预后分析,同时鉴定出与临床参数相关的免疫预后基因,分析它们与肿瘤微环境中免疫细胞浸润的相关性。结果:在宫颈癌及正常组织中共筛选出5565个差异表达基因,其中免疫相关基因339个,Cox分析显示有24个基因与患者预后相关,经逐步回归分析最终确定12个免疫相关基因(TNF、TFRC、APOBEC3H、CSK、OLR1、PTPN6、SBDS、AGT、TGFA、IL17RD、NRP1、ZAP70)并构建风险评分模型。生存分析显示,高风险组患者的总生存期明显低于低风险组(P<0.01)。ROC曲线下面积为0.75。患者的风险评分与临床分期密切相关(P<0.01),但与年龄、肿瘤分级无相关性(P>0.05)。相关性分析筛选出2个与预后显著相关的免疫基因(OLR1和ZAP70)。OLR1和ZAP70基因表达量与肿瘤微环境中的CD8+T细胞、CD4+T细胞、NKT细胞、树突状细胞、辅助性T细胞等具有高度正相关。结论:宫颈癌中有多个免疫相关基因异常表达,且与患者预后紧密相关,基于免疫基因构建的风险评分模型可有效预测患者预后,为宫颈癌的免疫治疗提供潜在的治疗靶点。

肝细胞癌免疫相关基因和lncRNA联合预后模型的构建及验证

目的 构建肝细胞癌(HCC)免疫相关的基因(IRGs)和lncRNA(IRlncRNAs)联合预后模型。方法 2022年6-8月通过TCGA数据库下载HCC转录组及临床数据;对转录组中IRGs进行加权基因共表达网络分析(WGCNA)得到与预后相关的核心基因,对核心基因与转录组中lncRNA共表达分析得到IRlncRNAs;单因素Cox回归筛选生存相关的IRGs和IRlncRNAs,LASSO回归构建模型并进行验证;对高低风险病人差异表达的基因进行GO(基因本体论)和KEGG(京都基因与基因组百科全书)分析探索影响预后的可能机制。结果 构建了由6个IRGs及7个IRlncRNAs组成的预后风险模型;不同风险病人组织学分级(P=0.001)、临床分期(P=0.005)、T分期(P=0.010)差异有统计学意义;在训练集、测试集和总样本集中,高风险病人总生存期较低风险病人显著降低(均P<0.05);模型在预测HCC病人1年生存率中表现良好,训练集、测试集和总样本集受试者操作特征(ROC)曲线下面积分别为0.85、0.81和0.83;多因素Cox回归表明评分可独立于其他特征预测病人生存(P<0.001);GO分析显示差异基因主要参与有丝分裂等事件;KEGG分析显示差异基因参与了磷脂酰肌醇3激酶-蛋白激酶B、细胞周期等通路。结论基于IRGs和IRlncRNAs构建的HCC预后模型具有较好的预测价值,可能有助于HCC的临床决策和管理。

基于TCGA数据库肺腺癌衰老相关基因预后模型的建立与验证

目的探究肺腺癌(LUAD)差异表达的衰老相关基因(ARGs),并构建LUAD衰老相关基因的预后模型。方法LUAD的RNA高通量转录组数据下载于癌症基因组图谱(TCGA)数据库,AgingAtlas数据库获取ARGs,并基于LUAD中衰老相关差异表达基因构建LUAD预后模型并验证,进一步构建列线图及校准曲线探究模型在临床中的应用价值。结果通过韦恩图去交集共获得80个衰老相关差异表达基因。通过单因素、多因素Cox回归分析筛选得到7个具有独立预后意义的差异表达ARGs,对筛选出的7个基因进行LASSO回归分析并构建LUAD预后模型。构建Kaplan-Meier生存曲线显示,与低风险组相比,高风险组与较差的OS显著相关,差异具有统计学意义(P<0.05)。1、3和5年受试者操作特性(ROC)曲线下面积(AUC)分别为0.706、0.725、0.642,提示风险模型有较高的灵敏度和特异度。单因素及多因素Cox回归显示,风险评分为LUAD独立预后因素。进一步基于风险评分构建列线图及校准曲线,校准曲线列线图全局的一致性为0.729,说明该模型预测结果与实际情况有较高的准确度。结论基于差异表达的ARGs构建的风险模型可作为LUAD的一种预后特征,为LUAD患者个体化治疗提供参考。

豆甾醇治疗胶质母细胞瘤靶基因预测及相关预后模型的建立

目的 预测豆甾醇治疗胶质母细胞瘤(glioblastoma, GBM)的潜在靶基因并构建相关预后模型,以期揭示其抗胶质瘤的作用机制,并探讨这些靶基因在GBM患者预后中的作用。方法 通过数据库获得GBM差异表达基因及豆甾醇靶基因,使用韦恩图筛选豆甾醇治疗GBM的潜在靶基因并使用R语言进行富集分析。采用单因素COX回归分析和最小绝对收缩与选择算子(least absolute shrinkage and selection operator, LASSO)分析筛选与GBM患者预后相关的豆甾醇靶基因并构建相关的预后模型。采用逆转录实时荧光定量聚合酶链反应(real-time quantitative reverse transcription polymerase chain reaction, RT-qPCR)和Western blotting分析检测豆甾醇对相关靶基因表达的影响。结果 共获得31个豆甾醇治疗GBM的潜在靶基因。富集分析显示,这些靶基因与G蛋白偶联受体(G protein-coupled receptor, GPCR)信号通路的激活和脂质代谢的调控有关。回归分析筛选出2个与GBM预后相关的豆甾醇靶基因脂肪酸结合蛋白5(fatty acid binding protein 5,FABP5)和α-1B肾上腺素能受体(alpha-1B adrenergic receptor, ADRA1B),基于这2个基因构建的预后模型能够准确预测GBM患者的预后。豆甾醇能够抑制GBM细胞中这2种基因在转录及翻译水平的表达(FABP5:t=9.909,P=0.001;ADRA1B:t=3.319,P=0.029)。结论 豆甾醇的抗胶质瘤作用可能与GPCR信号通路及脂质代谢的调控有关。通过抑制FABP5及ADRA1B的表达,豆甾醇可能具有改善GBM患者预后的潜在作用。同时,以FABP5及ADRA1B的表达水平构建的预后模型在预测GBM患者预后及监测疗效方面可能能够发挥一定的作用。

胆管癌免疫相关基因的筛选及预后模型构建

目的:基于生物信息学构建胆管癌免疫相关预后模型。方法:首先基于癌症基因组图谱(The Cancer Genome Atlas, TCGA)下载胆管癌(cholangiocarcinoma, CCA)的转录组测序(RNA-seq)数据,和从ImmPort网站下载的免疫相关基因(immune-related genes, IRGs)取交集。接着通过“DESeq2”R包进行差异分析,进一步用批量单因素COX、LASSO回归筛选基因,将得到的7个基因和临床信息一起进行多因素COX分析,构建胆管癌预后模型。使用Kaplan-Meier(K-M)生存曲线、风险因子关联分析、受试者工作特征曲线(receiver operator curve, ROC)进行验证,绘制列线图(Nomogram)。然后,研究模型风险评分和患者临床特征的相关性,并对差异基因进行富集分析。最后,探究高低风险组的免疫特征以及药物敏感性。结果:筛选出3个免疫相关基因(GDNF、FGF11、LCN2)和年龄一起构建预后模型,模型一致性指数(C index value)为0.8。高风险组患者的预后差,免疫细胞浸润程度高,免疫检查点基因表达高,高危免疫亚型占比大,免疫治疗有效率及抗肿瘤药物敏感性低。结论:该研究构建的免疫相关预后模型能够有效预测胆管癌患者的预后以及免疫相关特征和药物治疗有效性。

骨肉瘤中铜死亡相关亚型鉴定、预后模型构建以及免疫细胞浸润分析

目的:在铜死亡基因基础上分析骨肉瘤(OS)中铜死亡基因相关亚型鉴定、预后模型构建和免疫浸润的影响。方法:联合TARGET与GEO数据库对OS相关铜死亡基因进行生存分析及预后相关性分析。采用一致性聚类方法将OS分为铜死亡不同亚型。运用SSGSEA对铜死亡分型进行免疫细胞差异分析。设置P value=0.05和q value=0.05,对铜死亡分型的差异基因进行GO及KEGG富集分析。依据Lasso回归分析及交叉验证结果构建预后模型,并进行风险评估分析和运用ROC曲线评估模型预测准确性。结合临床性状构建列线图预测患者生存期,同时进行风险差异分析。对OS样本进行免疫细胞浸润和肿瘤微环境分析。运用R软件“pRRophetic”包对OS样本进行药物敏感性分析。结果:确定FDX1、GLS、DLAT和PDHB为OS预后的高风险基因。对OS样本进行铜死亡分型,可将OS分为两型:CRGclusterA与CRGclusterB,其中CRGclusterA与Th2细胞相关,CRGclusterB与Th1细胞相关。大部分OS铜死亡基因在CRGclusterA中呈高表达。免疫细胞浸润分析结果表明γδT细胞、静息肥大细胞和静息树突状细胞与风险评分呈正相关,而CD8 T细胞与风险评分呈负相关。药物敏感性分析显示OS对Elesclomol与GW.441756更敏感。结论:本研究识别出CRGclusterA与CRGclusterB两种亚型。鉴定出4个预后高风险基因:FDX1、GLS、DLAT和PDHB,为OS预后评估和免疫治疗候选靶点提供了新见解。

基于失巢凋亡相关基因预测肺腺癌转移及预后模型的构建与验证

目的:失巢凋亡是一种特殊的程序性细胞死亡,在肿瘤转移中发挥重要的作用。肺腺癌常发生多器官扩散性转移,严重影响患者的预后。本研究旨在探索新的失巢凋亡相关标志物预测肺腺癌转移及预后。方法:从TCGA数据库和GEO数据库获取肺腺癌转移患者和未转移患者的基因表达谱和相应的临床数据,从GeneCard数据库下载293个失巢凋亡相关基因。通过无监督聚类分析,将肺腺癌转移患者分成两组肿瘤亚型,TIMER数据库和单样本基因集富集分析评估两组的免疫浸润和免疫细胞功能。接着,采用最小绝对收缩和选择算法和Cox回归模型构建失巢凋亡相关基因预后模型并进行外部数据集验证,ROC曲线和列线图进一步评估模型的预测能力。同时,评估了高风险组和低风险组的免疫治疗和药物治疗差异。最后,通过实时荧光定量PCR (qRTPCR)验证标记基因的表达以及多重免疫荧光组化验证标记基因的免疫细胞浸润。结果:两聚类分子亚型在临床病理特征、预后和免疫细胞浸润方面存在显著差异。Lasso及多因素Cox回归筛选得到了3个失巢凋亡相关预后基因(TLE1、EIF2AK3和BIRC3),构建3基因风险模型。根据风险评分中位值将患者分为高、低风险组,低风险组表现出更高的总生存期时间,免疫活性,肿瘤突变负担和PD1/PDL1表达,这与免疫检查点抑制剂的更好应答一致。列线图一步证明了模型的优越预测价值。qRTPCR显示,3个预后标志基因在肺腺癌细胞系和肺腺癌组织表达更高,多重免疫荧光组化验证其表达与免疫细胞浸润程度正相关。结论:综上所述,本研究建立了失巢凋亡相关基因为特征的预后风险模型,该模型在肺腺癌患者中有很好的预后预测价值,因而可作为评估肺腺癌患者预后的潜在诊断标志物和治疗靶点。

一种新型结直肠癌预后模型的建立与治疗预测

目的:构建一种新的预测结直肠癌(colorectal cancer,CRC)预后和治疗的模型。方法:利用单因素分析以及最小绝对收缩和选择运算(least absolute shrinkage and selection operator,LASSO)-Cox回归分析训练队列GSE39582,构建CRC预后标签(prognostic signature of colorectal cancer,PSCRC),并利用外部队列CRC_TCGA和GSE17536验证PSCRC。评估PSCRC与临床指标、肿瘤免疫微环境和免疫细胞浸润的相关性,基因富集分析(gene set enrichment analysis,GSEA)PSCRC的潜在功能。整合PSCRC和临床分期等7个因素绘制预后列线图,并通过决策曲线分析(decision curve analysis,DCA)评估预后效果。最后,预测免疫治疗和化疗疗效。结果:本研究构建了PSCRC,2个外部队列证实其预后灵敏度和特异度较高。TNM分期均显著影响PSCRC风险评分(P均<0.001);PSCRC与肿瘤微环境基质评分、免疫评分和ESTIMATE评分均显著正相关(P均<0.001),与中性粒细胞浸润显著正相关(P均<0.05),与活化记忆性CD4+T细胞浸润显著负相关(P均<0.01)。进一步地GSEA分析显示,PSCRC可能参与氧化磷酸化、血管新生、缺氧和炎症应答等过程。重要的是,新构建模型显示出较好的预后能力,C指数为0.765,95%置信区间为0.747~0.783(P <0.001)。最后,在3个队列中治疗预测均显示低风险评分组免疫治疗响应率更高(P均<0.001);PSCRC与伊马替尼、达沙替尼、帕唑帕尼等化疗药半抑制浓度(half maximal inhibitory concentration,IC50)显著负相关(P均<0.001),与二甲双胍、索拉非尼等药物IC50显著正相关(P均<0.001)。结论:本研究构建了PSCRC,为CRC预后提供了良好的模型,还为预测治疗提供了潜在标志物。

膀胱癌m6A相关长链非编码RNA预后模型的构建和免疫分析

目的:探究膀胱癌中N6-甲基腺苷(N6-methyladenosine,m6A)相关长非编码RNA(long non-coding RNA,lncRNA)及其与患者预后的关系。方法:通过癌症基因组图谱(the cancer genome Atlas,TCGA)数据库获取转录、突变和临床数据,获得m6A相关的lncRNA表达数据,采用共表达网络分析、Cox回归分析和最小绝对收缩和选择算法(least absolute shrinkage and se-lection operator,LASSO)回归分析鉴定与m6A相关的lncRNA,并构建风险预后模型和对其进行验证。然后,本研究还构建了列线图来预测膀胱癌患者的预后。通过基因本体(gene ontology,GO)、京都基因与基因组百科全书(kyoto encyclopedia of genes and genomes,KEGG)研究生物学功能的差异。使用ESTIMATE算法计算基质、免疫评分。采用单样本基因集富集分析(single sample gene set enrichment analysis,ssGSEA)算法定量分析免疫细胞浸润和免疫功能。采用oncoPredict算法预测潜在治疗药物。结果:本课题组确定了1739个m6A相关lncRNA,其中14个与预后相关。再通过LASSO回归分析筛选了5个m6A相关的lncRNA(GRK5-IT1、AC008883.2、AC145207.5、AC103746.1、AC104564.3)来构建预后预测模型。Kaplan-Meier和受试者工作特征曲线(receiver operating characteristic,ROC)曲线显示,该特征在训练集、验证集和全集中具有良好的预测能力。与其他临床特征相比,m6A相关lncRNA模型具有更高的诊断效率。免疫细胞浸润和ssGSEA分析进一步证实,特征lncRNA与膀胱癌患者的免疫状态显著相关。此外,高风险组对多种药物的治疗反应与低风险组存在显著差异。结论:5个m6A相关的特征ln-cRNA可能有助于评估膀胱癌患者的预后和免疫特征,并指导个性化治疗方案的制定。

基于TGF-β相关基因构建并验证子宫内膜癌风险预后模型

目的:探索基于TGF-β相关基因的子宫内膜癌(EC)预后模型,用于精准评估EC患者的预后。方法:从TCGA数据库下载EC患者的基因表达谱数据和临床资料。筛选EC和正常组织差异表达的TGF-β相关基因。采用单因素回归分析筛选EC预后相关基因。将TCGA整体人群按1∶1分成训练集和验证集。对训练集人群进行多因素Cox回归分析构建风险预后模型,利用生存分析、ROC曲线等在验证集和整个队列中验证预后模型的预测准确性。分析临床特征与模型之间的相关性,并基于TGF-β相关基因预后模型和独立预后的临床特征因素建立Nomogram图。在体外验证BMPR1B对EC生物学功能的影响。结果:构建并验证了6个TGF-β相关基因(PPP2R1B、GDF7、E2F5、BMPR1B、GDF6、TNF)的EC预后模型。K-M曲线分析提示,高风险评分患者较低风险评分患者预后更差。ROC曲线分析提示,该预后模型对于预测患者1、3、5年生存率具有较好的准确性。GESA富集分析显示,与低风险患者相比,高风险患者在细胞周期、DNA复制等方面作用显著。基于TGF-β相关基因和临床特征因素构建了Nomogram图,校准曲线评估其预测准确性较好。敲低BMPR1B表达可显著抑制EC的增殖、迁移和侵袭。结论:本研究构建并验证了一种基于TGF-β相关基因的EC患者预后模型,该模型可用于准确预测EC患者的预后,并基于独立预后因素构建Nomogram图,有助于协助临床医生准确判断患者预后并做出最佳临床决策。BMPR1B是EC的潜在治疗靶点。

胃癌甲基化驱动基因的生物信息学筛选及构建预后模型

目的基于生物信息学探索甲基化驱动基因(Methylation-driven genes,MDGs)在胃癌(Stomach cancer,STAD)中的预后价值,并构建了基于MDGs的预后模型以及对药物敏感性进行分析。方法首先从TCGA数据库获取STAD的甲基化数据、mRNA表达数据及临床资料,利用R软件(4.3.2)对数据进行处理,使用“limma”R包筛选出与STAD相关的MDGs。再通过LASSO回归及COX回归分析法构建预后风险评分模型,利用K-M生存分析、ROC曲线分析来评估模型的预测能力,并使用数据集GSE84437进行验证。进一步行独立预后分析,将风险评分与临床病理特征相结合,构建列线图模型。最后通过药物敏感性分析观察高低风险组之间具有差异的药物。结果发现113个差异表达MDGs,选择15个预后相关的显著基因构建LASSO回归模型,筛选出13个特征基因数目,构建COX预后模型。训练集(AUCmax=0.835)和验证集(AUCmax=0.727)证明该模型在患者预后方面显示出较好的预测性能。通过风险分析,最终找到8个MDGs。模型基因的生存分析证实了基因表达量和甲基化水平与病人生存之间具有相关性。药物敏感性分析证实了在高、低风险组之间具有差异的药物。结论本研究构建了MDGs的胃癌预后模型,并对药物敏感性进行分析,可为胃癌患者个性化治疗提供重要参考价值。

基于多胺代谢相关基因的胃癌分子亚型鉴定和预后模型

目的:胃癌是一种具有异质性的高度侵袭性恶性肿瘤,这使得预后的预测变得困难。本研究旨在探讨多胺代谢与胃癌预后的关系,并建立基于多胺代谢相关基因(polyamine-related gene,PMRG)的预后模型。方法:从癌症基因组图谱(The Cancer Genome Atlas,TCGA)数据库和基因表达综合(Gene Expression Omnibus,GEO)数据库中下载胃癌患者的临床病理信息和基因表达数据,并根据PMRG的表达模式将其划分为2类不同的分子分型(PMRG cluster A和PMRG cluster B)。依据分子分型之间的差异基因,基于LASSO(least absolute shrinkage and selection operator)回归和多因素COX回归分析建立风险预后模型,并评估患者预后、受试者操作特征(receiver operating characteristic,ROC)曲线、免疫细胞浸润、肿瘤微环境、微卫星不稳定性等。应用肿瘤免疫单细胞中心2数据库从单细胞水平分析模型基因的表达模式。通过人类蛋白图谱数据库验证模型基因的蛋白表达情况。结果:在PMRG表达的2个分型中,PMRG cluster B型的生存结果好于PMRG cluster A型(P<0.05),PMRG cluster B型的中位生存期为7.81年,PMRG cluster A型的中位生存期为4.93年。筛选了7个特征基因[ZW10相互作用着丝粒蛋白(ZW10 interacting kinetochore protein,ZWINT)、醛脱氢酶1家族成员A3(aldehyde dehydrogenase 1 family member A3,ALDH1A3)、RNA结合蛋白2(RNA binding protein with multiple splicing 2,RBPMS2)、酮酸脱氢酶激酶4(pyruvate dehydrogenase kinase 4,PDK4)、黑色素瘤相关抗原-A3(melanoma antigen family A3,MAGEA3)、溶质载体家族27成员2(solute carrier family 27 member 2,SLC27A2)和细胞分裂周期相关7(cell division cycle associated 7,CDCA7)]构建风险预后模型,并进行了验证。ROC曲线评估显示:模型整体预测性能良好,1、3和5年的曲线下面积分别为0.642、0.680和0.701。免疫浸润分析结果表明:高风险患者主要浸润的免疫细胞类型为静息肥大细胞、单核细胞、初始B细胞、M2巨噬细胞、静息树突状细胞和静息CD4+记忆性T细胞。肿瘤微环境分析结果表明:高风险患者基质评分和ESTIMATE评分较高,说明高风险患者有较高程度的肿瘤细胞浸润。单细胞转录患者测序分析结果显示:ZWINT、PDK4、SLC27A2、CDCA7基因主要在小凹细胞中表达,ALDH1A3基因主要在成纤维细胞中表达。人类蛋白图谱(Human Protein Atlas,HPA)数据库表明在蛋白水平上,ALDH1A3在正常组织中表达强于胃癌组织,PDK4在胃癌组织中的阳性表达强于正常胃组织。结论:本研究探讨了PMRG的表达模式及其与肿瘤特征的关系,鉴定了2个分子亚型,并为预测胃癌患者的预后提供了一种新的模型。新的预后模型可为胃癌患者的临床预后预测和治疗提供新的参考。

基于糖代谢相关基因的卵巢癌预后模型的构建及验证

目的:建立糖代谢相关卵巢癌预后和药物反应的预测模型,探讨其临床意义。方法:由ICGC数据库和GSE26712数据集获取卵巢癌患者的基因表达谱和临床特征数据,从MSigDB中提取并收集糖代谢相关基因与之取交集得到糖代谢相关基因,使用多种算法,筛选出预后相关基因构建模型。对风险模型进行生存分析、基因功能富集分析和药物反应预测,使用cBioPortal在线工具呈现预后相关基因的遗传信息,运用Cytoscape软件显示预后相关基因和糖代谢共表达基因的网络。在正常卵巢组织细胞与上皮性卵巢癌组织细胞中对预后相关基因表达进行差异验证。结果:得到21个糖代谢相关基因进行LASSO回归分析,进一步进行多变量Cox回归分析,建立了包括LHPP(HR=1.51,95%CI为1.24~1.83,P<0.001)、PCK2(HR=0.72,95%CI为0.57~0.92,P=0.009)、PPP3CA(HR=1.35,95%CI为1.08~1.69,P=0.008)和NADK(HR=0.68,95%CI为0.52~1.89,P=0.005)的最优风险模型。使用cBioPortal在398份卵巢癌样本中探索这4个基因的遗传信息,提示基因结构域的改变可能影响蛋白的功能,Kaplan-Meier生存分析显示高风险组的总生存率较低风险组差(P<0.0001),ROC曲线提示模型区分度良好(2年AUC=0.773、3年AUC=0.839、4年AUC=0.852)。通过GSE26712和GSE9891进一步验证风险评分是卵巢癌患者预后独立危险因素,同时基于GSE9891数据集的临床信息,对风险评分、病理分级、FIGO分期、年龄等因素进行多因素Cox回归分析,发现该风险评分为独立预后因素(P<0.001)。KEGG富集分析提示,高风险评分组介导的生物学功能包括细胞周期、TNF、Hedgehog、DNA修复等通路,其中细胞周期通路显著富集(P<0.001),糖代谢相关基因主要通过细胞周期途径在卵巢癌的发生和进展中发挥关键作用;高风险组中,多数化疗药物敏感性更低,并基于细胞周期检查点抑制剂的研究发现4种药物(CGP-60474、BI-2536、CGP-082996和GW843682X)对高危人群具有较高的反应敏感性。RT-qPCR结果显示,LHPP、PPP3CA和NADK在卵巢癌细胞系(SKOV-3)中较正常卵巢细胞系(OSE)显著上调,PCK2在SKOV3细胞系中显著下调。HPA数据库证实在卵巢癌组织中这4个基因的免疫组化也与RT-qPCR结果呈相同的趋势。结论:本研究建立了基于4个糖代谢相关基因的卵巢癌风险模型,有助于预测卵巢癌患者的预后、生物学特征和潜在治疗药物,且该模型具有良好的稳定性和预测能力,为卵巢癌的预后提供分子标记物和治疗靶点。

构建胃癌中CD8^(+)T细胞相关预后模型并筛选治疗药物

目的:胃癌是高度异质性的恶性肿瘤,其病死率高,患者就诊时多已处于晚期且预后差。CD8^(+)T细胞可识别和消灭肿瘤细胞,对癌症的进展有重要影响。本研究旨在构建CD8^(+)T细胞浸润相关预后模型,为胃癌患者预后评估提供新的生物标志物及其药物治疗提供客观依据。方法:从癌症基因组图谱(The Cancer Genome Atlas,TCGA)数据库中下载371例胃癌样本的数据为训练集。从基因表达综合(Gene Expression Omnibus,GEO)数据库中下载433例胃癌样本的数据为测试集。计算训练集胃癌样本中CD8^(+)T细胞相对含量,将样本分为CD8^(+)T细胞高含量组和CD8^(+)T细胞低含量组,采用Kaplan-Meier法分析和比较2组之间的生存关系;采用加权基因共表达网络(weighted gene co-expression network analysis,WGCNA)分析训练集数据,筛选出与CD8^(+)T细胞最具相关性的基因模块;对该模块基因进行单因素Cox回归分析、最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)回归分析及多因素Cox回归分析筛选出与预后相关的基因,构建预后风险评分模型。应用模型计算训练集和测试集患者的风险评分并分别将患者分为高风险组和低风险组,并对模型进行内部及外部测试。应用肿瘤免疫单细胞枢纽2(tumor immune single-cell hub 2,TISCH2)数据库及人类蛋白质图谱(The Human Protein Atlas,HPA)数据库对模型基因进行验证。结合模型进行临床病理特征分析、功能富集分析、免疫相关性分析及化学治疗药物敏感性分析。结果:生存分析显示CD8^(+)T细胞低含量组的预后更差。WGCNA分析筛选出与CD8^(+)T细胞最具相关性的基因模块为Ebisque4。单因素Cox回归分析、LASSO逻辑回归分析及多因素Cox回归分析最终筛选出9个独立预后基因并构建预后风险评分模型。模型内部及外部测试结果均表明该模型具有较强的预测能力。TISCH2数据库验证表明模型基因在肿瘤微环境中具有不同的表达模式;HPA数据库验证表明模型基因的表达情况与预后模型较一致。临床病理特征分析表明风险评分与组织浸润深度相关;功能富集分析表明高风险组富集于分子间相互作用的通路,而低风险组则富集于代谢相关通路;免疫相关性分析表明高、低风险组之间的多个免疫细胞、免疫功能和免疫检查点均有差异;化学治疗药物敏感性分析表明高风险组对帕唑帕尼的敏感性更高,低风险组对西妥昔单抗的敏感性更高。结论:肿瘤微环境中的CD8^(+)T细胞浸润对胃癌患者的预后有显著的影响。基于CD8^(+)T细胞相关基因构建的预后模型具有普适性和临床适用性,对胃癌患者的药物治疗有重要的提示作用。

基于双硫死亡相关lncRNA构建老年肝细胞癌的新型预后模型

目的 探讨老年肝细胞癌(HCC)患者中新型的双硫死亡相关lncRNA(DRLS)预后模型,验证该模型在评价老年HCC患者的预后及指导治疗选择中的应用价值。方法 从癌症基因组图谱(TCGA)下载TCGA-LIHC项目的转录组数据、临床资料及突变信息。筛选DRLS,分为老年组和年轻组。使用韦恩图排除对年轻组HCC有影响的lncRNA,保留仅对老年组有影响的DRLS。通过Cox回归和最小绝对收缩及选择算子(LASSO)分析,构建DRLS预后模型。评估老年HCC患者高风险组与低风险组的预后、生物功能、突变情况以及药物敏感性的差异。结果 本研究采用LASSO和Cox回归方法确定了DRLS,并将患者分为低风险组和高风险组。低风险组患者的总生存期(OS)和无进展生存期(PFS)显著高于高风险组患者。构建具有良好临床适用性的列线图。通过差异基因表达富集分析发现,这些基因在细胞周期、还原型烟酰胺腺嘌呤二核苷酸磷酸(NADPH)氧化酶活性产生的超氧化物、细胞分裂、细胞骨架运动以及相关代谢活动中显著富集,低风险组在肿瘤免疫功能障碍及排斥(TIDE)评分较低。在药物敏感性分析中,低风险组对索拉非尼、奥沙利铂和伊立替康表现出更高的敏感性;而高风险组对5-氟尿嘧啶、MIRA-1和星形孢菌素更敏感。老年HCC患者中低风险组的预后更好,突变发生率更低,免疫治疗效果更佳,且对抗肿瘤药物的敏感性更高。结论 DRLS在预测老年HCC患者的预后方面表现出良好的效果,并与其生物学功能、突变基因及药物敏感性密切相关,为深入探索双硫死亡与HCC的关系提供新线索。

基于铁死亡相关长链非编码RNA的肺腺癌临床预后模型构建和免疫相关分析

目的 通过癌症基因组图谱(the cancer genome atlas,TCGA)数据库,构建肺腺癌中铁死亡相关的长链非编码RNA(long non-coding RNA,Lnc RNA)的预后模型,并对模型中的高风险组和低风险组患者进行免疫相关性分析。方法 在TCGA数据库中获取肺腺癌肿瘤组织及正常肺组织的基因表达数据及临床数据,筛选出铁死亡相关的差异LncRNA。采用Cox风险回归模型筛选并建立LncRNA预后风险预测模型,根据模型对患者进行评分并对高风险组和低风险组免疫相关功能进行比较。结果 共得到55个铁死亡预后相关的差异LncRNA,基于Cox回归分析结果构建了由16个LncRNA的多因素预后风险预测模型。患者风险评分高提示预后差。高风险组的树突状细胞、B淋巴细胞、肥大细胞等免疫细胞浸润程度,抗原呈递细胞(antigen-presenting cells,APC)共抑制、APC共刺激、趋化因子受体、免疫检查点等免疫功能以及IDO2、HHLA2、CD276、BTLA等免疫检查点相关基因表达均与低风险组不同(均P <0.05)。结论 基于16个铁死亡相关LncRNA的预后模型可以对肺腺癌患者的预后进行预测,且研究中得到的参与模型构建的铁死亡相关LncRNA可能与免疫浸润水平有关,有望成为免疫检查点抑制剂治疗的新靶点。

膀胱癌共刺激因子相关基因预后模型的构建与验证

目的:探究膀胱癌预后相关的共刺激因子相关基因,构建并评估基于共刺激因子标志物(CMS)的预后模型。方法:综合TCGA数据库和GEO数据库(GSE31684)下载膀胱癌患者的基因表达矩阵和临床信息,检索文献获得共刺激因子相关基因。利用单因素和多因素Cox分析筛选预后相关基因并构建预后模型,并通过Kaplan-Meier生存分析、受试者工作特征曲线(ROC)等方法在TCGA训练组、TCGA验证数据组和GEO组中独立验证其准确性。结合风险评分和临床特征构建列线图模型,并利用一致性分析和ROC评估其性能。使用反卷积算法(CIBERSORT)分析肿瘤微环境浸润的免疫细胞组成,并进行基因集合富集分析(GSEA)以探究潜在机制。结果:筛选出4个预后相关CMSs:TNFRSF14、CD276、ICOS、TMIGD2,其中3个纳入风险评分构建。多因素Cox分析提示基于CMS的风险评分是膀胱癌患者独立预后因素。一致性分析和ROC结果表明,列线图模型有较好的预后预测准确性。免疫浸润分析显示,高风险组很可能处于免疫抑制状态。GSEA结果提示,高风险组基因富集于细胞外基质(ECM)互作受体、细胞周期等通路中。结论:TNFRSF14、CD276、ICOS可能成为膀胱癌患者潜在预后生物标志物。构建的风险评分和列线图可能有助于膀胱癌患者早期预后评估和个体化治疗的选择。

基于糖代谢相关基因的肾透明细胞癌预后模型的构建与评价

目的:构建肾透明细胞癌(clear cell renal cell carcinoma,ccRCC)的糖代谢相关基因(carbohydrate metabolism-related genes,CRGs)预后模型并探索其临床意义。方法:选取TCGA数据库中ccRCC的mRNA表达数据,从MSigDB和KEGG数据库获取CRGs。通过LASSO回归建立CRGs预后模型并计算风险评分(RS)。按照RS中位数将患者分为高、低风险组,利用Kaplan-Meier曲线和生物信息学方法分析两组间的生存、免疫浸润、突变和免疫应答之间的差异。依据RS与临床特征构建诺模图,验证其预后预测效能。利用RT-qPCR检测ccRCC样本中CRGs表达量。结果:8个CRGs用于构建ccRCC预后风险模型,生存分析显示低风险组的患者预后较好(P<0.001)。生物信息学分析表明RS与免疫浸润、突变和免疫应答相关。根据RS与临床特征构建的诺模图具有良好的预后预测性能。体外实验证实上述8个CRGs在ccRCC组织和癌旁组织之间的表达存在显著的差异。结论:基于CRGs的预后模型可以用于ccRCC患者的预后预测。

基于多基因构建胰腺癌预后模型及临床价值

目的 利用数据集分析对胰腺癌具有预后价值的重要基因,并构建预后模型。方法 通过单因素Cox回归分析获得与胰腺癌预后明显相关的基因,利用Lasso Cox回归构建基因预后模型,并结合相关临床因素绘制列线图。结果 共鉴定出着丝粒蛋白E(CENPE)、肌动蛋白结合蛋白(ANLN)和细胞骨架相关蛋白2类似物(CKAP2L)3个基因,均在胰腺癌组织中高表达,且与胰腺癌患者的不良预后相关。基于三基因构建的预后模型将患者分为高危组和低位组,采用单因素和多因素Cox回归分析,结果显示预后模型和化疗均是独立预测因素(均P<0.05)。列线图预测1年总体生存时间的的曲线下面积为0.78。结论 CENPE、ANLN和CKAP2L的高表达预示着胰腺癌患者的不良预后,基于三基因表达的列线图模型对于指导临床治疗具有重要价值。